Fundamentos Python para ciencia de datos

Del 17 a 29 de marzo de 2025

Modalidad Presencial

20 horas presenciales

Inscríbete

Curso

Sobre este curso

Este curso está diseñado para estudiantes de posgrado interesados en aplicar Python a la ciencia de datos ambientales. A través de ejercicios prácticos y actividades autónomas, los participantes aprenderán a procesar, analizar y visualizar datos relacionados con el medio ambiente, abordando problemas como el cambio climático, la calidad del aire y la gestión de recursos naturales.

Objetivos

Desarrollar en los estudiantes de posgrado las bases de Python para la ciencia de datos ambientales, permitiéndoles procesar, analizar y visualizar información relevante para la investigación y toma de decisiones en el ámbito ambiental.

Objetivos específicos

Introducir los fundamentos de Python aplicados a la ciencia de datos, incluyendo manipulación de datos, análisis estadístico y visualización, con enfoque en problemáticas ambientales.
Desarrollar habilidades prácticas para procesar y analizar datos ambientales reales, facilitando la toma de decisiones basada en evidencia en investigaciones y proyectos de sostenibilidad.

ODS

Objetivos de desarrollo sostenible

Educación de calidad

Acción por el clima

Metodología

El curso de programación en Python sigue una metodología de aprendizaje activo, combinando clases teórico-prácticas con actividades autónomas. Los estudiantes abordarán conceptos clave de programación, manipulación y visualización de datos ambientales, resolviendo retos y analizando datos reales. A través de ejercicios prácticos, desarrollarán habilidades para aplicar la programación a la sostenibilidad y la toma de decisiones basadas en datos.

Adicionalmente se requiere un computador personal con conexión a Internet por alumno.

Duración

20 horas presenciales

Horario

De lunes a jueves del 17 al 27 de 16h00 a 18h00, sábado 29 de 09h00 a 12h00 de marzo

Modalidad

Presencial

Profesor

Profesor(es)

Iván Mendoza V.

Instructor

Doctor en Ciencias de la Ingeniería

Contenidos

Día 1

17 Marzo
Día 2

18 Marzo
Día 3

19 Marzo
Día 4

20 Marzo
Día 5

24 Marzo
Día 6

25 Marzo
Día 7

26 Marzo
Día 8

27 Marzo
Día 9

29 Marzo

Creación y configuración de Notebooks en Google Colab
Fundamentos de Markdown
Fórmulas con Latex
Importación de datos CSV
Importación de paquetes para ciencia de datos
Variables y tipos de datos
Estructuras de datos: listas, dataframes, diccionarios
Entradas y salidas por pantalla

Análisis de datos con Pandas
Creación y manipulación de DataFrames
Limpieza de datos: detección de valores nulos y duplicados
Filtrado y selección de datos

Cálculo de estadísticas básicas: media, mediana, moda, percentiles
Funciones de agregación
Manejo de datos categóricos
Manipulación de fechas
Exportar datos a formatos conocidos

Creación de gráficas con Matplotlib
Gráficos de dispersión
Gráficos de boxplot
Gráficos de barras y líneas
Histogramas y distribuciones
Mapas de calor para correlaciones en datos

Creación y manipulación de arrays NumPy
Números aleatorios y aplicaciones
Variables aleatorias
Operaciones vectorizadas y eficiencia en cálculos científicos
Integración con Pandas y Matplotlib

Inferencia estadística con Scipy
Cálculo de intervalos de confianza
Pruebas de hipótesis unas y dos muestras
Pruebas de normalidad
Análisis de varianza
Otras pruebas estadísticas

Lectura de datos en tiempo real
Procesamiento de datos espaciales
Generación de mapas con información geográfica
Procesamiento de datos importados de sensores

Fundamentos de Machine Learning con Scikit-learn
Regresión para predicción de datos numéricos
Procesamiento básico de imágenes
Clasificación de imágenes
Elaboración de informes con Colab

Elaboración de trabajo final: primera y segunda parte

Destinatarios

Estudiantes universitarios de grado y posgrado; público en general.

Los estudiantes deben tener conocimientos básicos de estadística descriptiva e inferencial, y un nivel básico de idioma inglés.

Fecha

Fechas

Del 17 a 29 de marzo de 2025

Inversión

Estudiantes de la Maestría en Recursos Naturales Renovables

$ Gratuito

Inscríbete

Público general

$ 40,00

Inscríbete

Certificados

Una vez cumplidas las actividades y requisitos para el desarrollo del curso, los participantes recibirán el certificado de Aprobación, en base a lo establecido en el Reglamento del Departamento de Formación Continua esto es, que el participante obtenga un mínimo del 70% en la evaluación académica y el 80% de asistencia a las clases presenciales o sincrónicas.

Información

Fundamentos Python para ciencia de datos

Sobre este curso

Objetivos

Objetivos específicos

Objetivos de desarrollo sostenible

Metodología

Duración

Duración

Horario

Modalidad

Profesor(es)

Iván Mendoza V.

Contenidos

Día 1

17 Marzo

Día 2

18 Marzo

Día 3

19 Marzo

Día 4

20 Marzo

Día 5

24 Marzo

Día 6

25 Marzo

Día 7

26 Marzo

Día 8

27 Marzo

Día 9

29 Marzo

Destinatarios

Fechas

Inversión

Estudiantes de la Maestría en Recursos Naturales Renovables

Público general

Certificados

Más información

Más información acerca de este curso

Compartir: